考虑机会约束的配电网光伏并网容量分布鲁棒优化方法

传统的经验性概率分布描述分布式光伏出力的不确定性难以准确获取概率分布参数。为此,提出一种基于Kullback-Leibler散度的分布鲁棒优化方法来评估配电网分布式光伏的最大并网容量。首先,通过Kullback-Leibler散度来量化实际概率分布与经验性概率分布之间距离,建立分布式光伏出力不确定性的模糊集。在考虑节点电压和传输容量越限机会约束的情况下,建立了分布式光伏并网容量分布鲁棒优化模型。通过采用风险价值和样本平均近似方法将分布鲁棒优化模型转化为一个混合整数规划问题求解。在改进的IEEE-33节点系统的仿真结果表明了所提出分布鲁棒优化方法的有效性和鲁棒性。     

分布式光伏电站接入配电网的分布鲁棒优化配置方法

随着分布式光伏(Distributed Photovoltaic, DPV)电站接入配电网的规模日益增大,光伏出力的不确定波动特性造成配电网运行状态的频繁波动,故对接入配电网的DPV电站进行合理规划对于配电网的安全运行尤为重要。针对DPV电站接入配电网的并网点和容量选择问题,以并网位置节点和配置容量同时作为决策变量,并考虑DPV出力的不确定性,建立了DPV电站接入配电网的并网点和容量选择的分布鲁棒优化配置模型。以当地光照强度和环境温度的历史数据计算出的DPV电站单位容量光伏的日出力曲线作为数据驱动构建出基于KL散度的模糊集。通过优化计算出模糊集中最大和最小期望的概率分布以得到单位容量光伏出力不确定波动的范围,将分布鲁棒优化模型转化为鲁棒优化模型,并采用Benders分解法求解得到优化配置方案。最后,以某个实际180节点配电网为例进行仿真计算,并与确定性优化和传统鲁棒优化方法进行对比分析。验证了所提出的分布鲁棒优化方法既能够保证在光伏出力不确定波动下配电网的安全运行,又能够克服鲁棒优化方法的保守性,使求得的配置方案在经济性和鲁棒性之间达到良好的平衡。     

考虑概率分布约束的含高渗透率风电电力系统储能鲁棒优化方法

提出一种考虑风电功率预测误差概率分布不确定性的储能容量优化配置方法。该方法可保证在风电功率任意可能分布下,通过调度可调发电机组及配置储能以保证系统安全运行,同时最小化储能配置成本。首先鉴于历史数据的不完备性,将根据历史数据获得的风电二阶矩信息描述为波动区间,然后采用概率分布鲁棒联合机会约束模型描述含风场系统储能最优配置问题,进而采用拉格朗日对偶消去优化模型中的随机变量,将鲁棒机会约束模型转化为确定性的线性矩阵不等式问题,最后采用凸优化算法求解,并分析风电预测误差精度、机会约束置信度、风电功率波动性对储能配置容量的影响。采用修改的Garver 6节点算例验证了该方法的可行性和有效性。     

多类型源储协调互动的配电网分布鲁棒优化调度

分布式光伏、风电等可再生能源出力具有较强的随机性和不确定性,其大量并网给配电网的运行带来了极大的挑战。本文提出了一种多类型源储协调互动的配电网分布鲁棒优化调度方法,基于分布鲁棒优化理论,对配电网中传统离散设备、可再生能源以及储能决策进行协调优化,提高配电网运行的经济性和安全性,实现了配电网运行决策保守性与鲁棒性的有效平衡。首先,考虑多类型源储资源的协调互动,建立配电网优化调度模型,并将其转化为混合整数二阶锥规划的形式;其次,利用可再生能源出力场景集进行不确定性刻画,建立分布鲁棒优化模型,并通过列和约束生成算法进行求解;最后,在PG&E69节点系统上进行算例分析,验证了所提方法的可行性与准确性。     

新能源大基地风光储容量协调优化配置

大型新能源基地需要协调配置风光火储容量以满足外送要求,其中火电容量及外送通道的容量通常预先确定,从而风电、光伏、储能的容量配置成为影响新能源外送效果的重要因素。为此,针对大型新能源基地,研究了风光储容量优化配置问题,提出了基于新能源外送可靠性的容量配置方法。基于需求侧的负荷曲线,提出了一种聚类方法来优化直流通道的计划传输功率;基于直流计划功率,提出了衡量新能源外送可靠性的送电置信概率指标;基于送电置信概率等约束,构建了风光储容量优化配置的基本规划模型。为了进一步保证在不同的场景下新能源能可靠外送,在基本规划模型的基础上加入场景分布不确定性,提出了风光储容量配置的分布鲁棒规划模型。考虑到分布鲁棒约束包含整数变量,提出了一种迭代算法用于该分布鲁棒规划模型的求解。实际算例验证了所提方法的有效性。     

计及风电不确定性和弃风率约束的风电场储能容量配置方法

风电的大规模开发造成了严重的弃风问题,在风电场内配置储能装置可显著减少弃风,文中基于分布鲁棒优化方法研究了考虑风电不确定性和弃风率约束的风电场储能容量配置问题。首先根据历史数据构造风电出力的经验分布函数,为考虑风电出力的不确定性,以Kullback-Leibler(KL)散度作为分布函数距离测度建立了风电出力的概率分布函数集合。随后,将弃风率要求建模为概率分布函数集合中最坏分布下的鲁棒机会约束,进一步建立了以储能投资成本最小为目标、以弃风率为约束的鲁棒机会约束规划模型。最后,通过矫正机会约束中的风险阈值,将鲁棒机会约束转化为传统机会约束,并采用凸近似和抽样平均构建线性规划进行高效求解。基于IEEE 30节点电网进行了算例分析,并与传统的随机规划和鲁棒优化模型进行对比,验证了所提模型在处理风电不确定性时能有效兼顾保守性和鲁棒性。     

计及储能循环寿命的柔性配电网优化运行及效益均衡策略

针对储能寿命模型和多主体调峰效益考虑不足的问题，提出一种计及储能循环寿命的柔性配电网分布鲁棒优化运行及效益均衡策略。首先，考虑光伏不确定性和供需两侧互动特征，嵌入负荷需求响应、储能循环寿命等约束，以最大化系统总运行收益为目标建立基于数据驱动的两阶段分布鲁棒优化运行模型。其次，模型通过等价转换、大M法、McCormick方法和二阶锥松弛等方法凸化处理为混合整数凸规划问题，利用可调相对熵约束随机变量的概率分布模糊集并通过列与约束生成算法求解。然后，将改进Shapley值法应用于多个储能间的调峰收益分摊问题，以均衡储能自身建设成本。最后，通过293节点算例验证了所提优化模型的有效性。     

基于自适应步长ADMM的柔性配电网光-储协同分布鲁棒优化配置

针对柔性配电网的显著分区特征以及光伏出力的不确定特性,提出了一种区域间分布式优化及区域内两阶段优化方法,建立了基于自适应步长交替方向乘子法的光-储协同分布鲁棒优化配置模型。基于耦合支路法将柔性互联装置解耦,通过一致性约束协调各区域间的边界条件,利用自适应步长交替方向乘子法进行全局迭代分布式优化。以最小化柔性配电网的投资运行总成本为优化目标,建立基于数据驱动的各子区域两阶段分布鲁棒优化模型,并提出一种交直流混合凸松弛方法处理非线性非凸模型以便快速求解。基于改进相对熵构建光伏典型出力场景的不确定概率分布模糊集,通过列与约束生成算法求解两阶段分布鲁棒优化模型。以改进的某实际293节点柔性配电网为算例验证所建模型的有效性。     

计及重要负荷的工业光伏微电网储能优化配置

工业光伏微电网配置储能时需考虑其负荷特性,在保证供电可靠性的前提下最大化提升光伏利用率。在详细分析工业重要负荷的运行特性和启动冲击特性基础上,结合工业分时电价机制,给出了适合工业微电网的储能系统充放电策略。进而以光伏利用率最大和年净利润最大为目标,构建了工业光伏微电网的储能容量优化配置的多目标优化模型,并采用NSGA-II算法对所建模型进行求解。将优化方法应用于广东某实际工业光伏微电网中,结果表明经过优化的储能系统可在离网情况下保证系统中重要负荷的稳定运行,在并网运行时促进光伏的就地消纳。     

基于柔性多状态开关的交直流配电网有功-无功优化调度

交直流配电网作为主动配电网的重要发展方向,协调其有功-无功资源以改善系统运行特性具有重要研究价值。首先,以基于多端柔性多状态开关(SOP)的交直流配电网为研究对象,计及储能、柔性负荷、SOP、光伏逆变器等关键设备运行约束,以及削峰填谷和电压偏移约束,构建了以运行成本最小为目标的交直流配电网有功-无功调度模型。然后,为适应光伏出力的随机性,构建了数据驱动的两阶段随机-分布鲁棒优化模型,并基于列与约束生成算法进行求解。最后,采用72节点和38节点交直流配电网作为算例,验证了模型的有效性。     

考虑需求响应不确定性的光伏微电网储能系统优化配置

将分布式光伏以微电网的形式接入配电网运行是应对大规模分布式光伏并网问题的有效手段之一。以含储能装置和需求响应资源的并网型光伏微电网为研究对象,研究考虑价格型需求响应(Demand Response, DR)不确定性的并网型光伏微电网储能系统优化配置方法。首先,同时考虑价格需求弹性曲线和基线负荷不确定性对价格型DR不确定性的影响,建立了价格型DR响应量模糊模型。在此基础上,以用户负荷与光伏出力总差异最小为目标,建立了基于模糊机会约束规划的价格型DR优化运行模型。之后,以价格型DR的优化结果为基础,建立了基于模糊机会约束规划的并网型光伏微电网储能系统优化配置模型。通过对模糊机会约束的清晰等价处理,将模糊机会优化问题转换为确定性优化问题进行求解。最后,通过仿真算例验证了模型的有效性。     

基于离散粒子群算法的光伏微电网储能容量优化配置∗

传统储能容量配置策略为确保微电网运行的稳定性,在一定程度上增加了冗余投资,为此提出基于离散粒 子群算法的光伏微电网储能容量优化配置.通过蓄电池组与超级电容器的工程模型,获取光伏微电网储能装置的工作 特性,以容量配比最优、投资成本最小为目标构建储能容量优化配置模型,并引入离散粒子群算法求解模型,获得最 优储能容量配置结果.实例分析结果表明,对于蓄电池组与超级电容组成的储能装置,该方法在满足输出功率平衡的 基础上,给出了一个最优容量配比和最强经济效益的容量优化配置方案.     

考虑灵活性的储能容量多阶段分布鲁棒规划

储能作为一种灵活性资源,具有促进新能源消纳和电力系统安全稳定运行的作用。然而受储能投资成本的制约,难以仅依靠大规模的储能满足系统的灵活性要求。为此,提出了一种考虑灵活性的电力系统储能容量规划模型,计及现有可调节的传统发电机组对灵活性的影响,并采用分布鲁棒机会约束描述新能源出力的不确定性;根据系统不同时间尺度的运行特性,综合考虑储能的投资成本、新能源出力的不确定性和系统运行的灵活性,建立了多时间尺度下的储能配置模型;采用多阶段迭代线性优化的方法提高求解效率。基于IEEE-RTS 24节点系统进行算例分析,结果验证了所提方法在求解储能配置容量方面具有较好的经济性和鲁棒性。     

考虑荷电状态的光伏微电网混合储能容量优化配置

储能系统容量优化配置是提高系统稳定性、降低微电网成本的有效措施之一。本文提出了一种考虑荷电状态的能量管理策略,对光伏微电网混合储能系统进行容量配置。首先,综合分析微电网运行的稳定性和经济效益,以全生命周期费用和买卖电量费用之和最小为目标,建立含超级电容和蓄电池的光伏微电网储能模型。其次,结合光伏可供能量和负荷需求功率,应用改进能量管理策略和粒子群算法,建立光伏微电网混合储能系统（HESS）容量配置双层优化模型。最后,以某地实际数据为例对优化问题进行求解,将优化结果与传统储能配置方法进行对比,验证了所提方法的有效性,为光伏微电网混合储能系统容量优化配比提供参考。     

考虑紧急备用与光伏出力不确定性的微电网分布式储能规划方法

微电网作为消纳可再生能源的重要途径,面临着可再生能源出力不确定性带来的挑战。针对该问题,提出了紧急备用约束下的微电网分布式储能系统的规划方法,建立了结合分布式储能运行特征的微电网潮流模型,以鲁棒优化分析光伏出力波动性的最差工况,并采用列与约束生成算法结合大M法求解该模型,将原问题分解为混合整数二阶锥规划主问题和子问题并交替求解。通过求解研究算例,验证了所提优化分布式储能配置方法和运行调度策略的可行性,并在充分满足系统紧急功率备用的情况下,降低了微电网系统的综合成本。     

基于序优化的分布式光伏配电网储能系统容量评估

我国分布式光伏发电产业近年来实现快速增长,对所在配电网的运行提出严峻挑战。由于分布式光伏发电具有随机性、波动性与不确实性,需要一定容量的储能系统来提供灵活的调节能力,以实现配电网的安全可靠运行。因此,研究针对分布式光伏配电网储能系统的容量评估具有重要意义。建立考虑分布式光伏并网的配电网运行模拟模型,利用多场景生成技术与序优化求解方法,模拟不同储能系统容量规划下的分布式光伏并网运行情况,从而得到最优配电网储能系统配套容量。结果表明,利用序优化方法可以实现快速高效求解,得到适应于配电网运行需求的储能系统容量配置方案。     

考虑光伏不确定性和时序相关性的分布鲁棒光储协同优化配置方法

随着“碳达峰,碳中和”双碳目标的提出,大量强随机性的光伏将接入配电网,提高光伏的消纳能力和降低弃光率成为了新的挑战。此外,储能系统在平抑光伏随机波动性有重要作用。针对光伏接入配电网的消纳能力评估问题,考虑光伏出力的不确定性和时序相关性,提出一种以光伏有效消纳能力为目标的光储协同分布鲁棒优化配置方法,并将光伏电站和储能装置的选址和定容同时作为决策变量。首先以历史数据驱动统计出考虑时序相关性的光伏出力的参考联合概率分布,基于Jensen-Shannon散度距离构建模糊集合,并采用二阶锥等技术将模型转化为混合整数凸规划模型以加速求解,然后通过列与约束生成（CCG）算法求解光储联合配置方案。最后,以某个实际180节点配电网为算例进行仿真计算,验证了所提方法的有效性。     

基于数据驱动的多微电网互联系统分布鲁棒运行优化

针对多微电网互联系统调度中分布式电源出力不确定性以及运行效率低下等问题,提出基于数据驱动的多微电网互联系统分布鲁棒运行优化策略。首先基于多元正态Copula理论,计及风电功率预测误差的时间相关性及其与预测值的条件相关性,运用聚类方法对处理后的分布式电源数据进行聚类分析,通过场景削减方法生成具有代表性的多变量典型场景,得出分布式电源出力的概率分布模糊集。然后,建立多微电网两阶段滚动调度优化模型,考虑微电网内新能源实时出力的不确定性,提出一种基于列约束生成算法（C&CG）与交替方向乘子法（ADMM）的分布式求解算法,以实现两阶段分布式迭代求解。仿真结果表明,该方法可有效降低源荷预测不确定性对多微电网系统安全运行的影响,提高多微电网区域的经济效益。     

基于深度学习的直流配电网分布鲁棒优化调度方法

随着分布式资源的大规模接入,直流配电网能量损耗小、控制灵活的优点凸显。针对直流配电网传统物理优化模型效率低的问题,提出了一种基于深度学习的直流配电网分布鲁棒优化(DRO)调度方法,其采用深度学习方法替代了基于场景的DRO模型的迭代求解过程,通过直接预测典型场景的最恶劣概率分布来提高模型求解效率。构建直流配电网基于场景的DRO物理模型,采用列与约束生成算法迭代求解生成深度学习的训练数据;以光伏出力、负荷、范数置信度为输入,以最恶劣概率分布为输出,构建深度神经网络模型;基于训练好的神经网络预测实时输入的光伏出力、负荷、范数置信度的最恶劣概率分布,构建最恶劣概率分布下的单层随机规划模型,获取等效的基于场景的DRO调度策略;采用33节点直流配电网系统为算例,验证所提方法在求解效率和计算精度方面的有效性。     

基于风电预测误差聚类的分布鲁棒含储能机组组合

为应对风电不确定性给电力系统调度带来的难题,提出了一种基于风电预测误差聚类的分布鲁棒含储能机组组合模型。首先,基于狄利克雷过程高斯混合模型对风电预测误差进行聚类,建立了数据驱动的风电预测误差模糊集,并进一步建立了考虑风电场间风电预测误差相关性的不确定集。接着提出了考虑储能的分布鲁棒机组组合模型,建立了考虑储能系统循环老化成本的目标函数。针对该模型min-max-max-min的4层结构,将其分解为两阶段问题,在第1阶段中引入运行域变量、爬坡事件约束与储能能量约束,以消去第2阶段中的动态约束,并将第2阶段问题通过KKT条件转化为单层问题,然后采用列约束生成算法对两阶段问题进行求解。最后,通过IEEE 6节点以及IEEE 118节点的算例分析,证明了所提模型的鲁棒性和有效性。